基于BP神经网络的人口预测

简介: 基于BP神经网络的人口预测

一、人工神经网络

1.1 人工神经元

人工神经元是对生物神经元的模拟,这种信号传输由输入信号x、突触权重ω、内部阈值θ_j和输出信号y来模拟,如图:

image.png

1.2 BP人工神经网络(Back Propagation)

BP人工神经网络由输入层、隐含层、输出层三层组成,核心是通过一边向后传递误差,一边修正误差,以此来不断调整网络参数,以实现或逼近所希望输入、输出量之间的映射关系。


二、搭建BP神经网络

2.1 利用MATLAB搭建BP人工神经网络的步骤:

  1. 读取数据,并作归一化处理;
  2. 划分训练集和测试集;
  3. 构建BP神经网络;
  4. 网络参数配置;
  5. BP神经网络训练;
  6. 仿真计算;
  7. 计算与测试集之间的误差


2.2 BP人工神经网络人口模型预测

  1. 选取1961-2010年人口数据作为训练集,2011-2015年人口数据作为测试集,搭建BP神经网络,并以此预测2016-2020年的人口数据。
  2. 隐含层神经元的个数:10,通过经验公式确定:image.png,n为输入层层数,m为输出层层数,a∈[0,10] 隐含层
  3. 神经元的传输函数:tansig (正切S型传递函数)
  4. 输出层的传输函数:purelin(线性传递函数)
  5. 反向传播的训练函数:trainlm(Levenberg-Marquardt算法,即非线性最小二乘法)e983f767a2a8c057d0ca7f8c87d2ee46_watermark,type_ZHJvaWRzYW5zZmFsbGJhY2s,shadow_50,text_Q1NETiBA6Zey6LCI56S-,size_20,color_FFFFFF,t_70,g_se,x_16.png

因为BP神经网络训练过程中,是根据每个节点的计算误差不断修正调整连接层的权值ω、阈值θ_j,所以每次计算结果会有偏差。选取拟合结果比较好的两次如下:


三、数据比较

将BP人工神经算法与改进后的Logistics算法的拟合效果进行对比,拟合误差以均方根误差为比较标准。

模型 2011-2015的拟合误差 2016-2020的预测误差

改进的Logistics算法 306.7126 792.9019
BP神经网络算法(第1组) 106.1849 415.5135
BP神经网络算法(第2组) 277.2575 134.0518

四、MATLAB代码

clear all  
  clc  
  clf  
  %% 1,读取1961-2015的人口数据,并做归一化处理  
  input_1=[65859,67296,69172,70499,72538,74542,76368,78534,80671,82992,85229,87177,89211,90859,92420,93717,94974,96259,97542,98705,100072,101654,103008,104357,105851,107507,109300,111026,112704,114333,115823,117171,118517,119850,121121,122389,123626,124761,125786,126743,127627,128453,129227,129988,130756,131448,132129,132802,133450,134091,134916,135922,136726,137646,138326];  
  n=length(input_1);  
  row=4;      %通过前四年数据,预测第五年  
  input=zeros(4,n-row);  
  for i =1:row  
      input(i,:)=input_1(i:n-row+i-1);  
  end  
  output=input_1(row+1:end);  
  [inputn,inputps]=mapminmax(input);  
  [outputn,outputps]=mapminmax(output);  
  %% 2,划分训练集和测试集  
  inputn_train=inputn(:,1:n-row-5);  
  inputn_test=inputn(:,n-row-4:end);  
  outputn_train=outputn(1:n-row-5);  
  outputn_test=outputn(n-row-4:end);  
  %% 3,构建BP神经网络  
  hiddennum=10;%隐含层节点数量经验公式p=sqrt(m+n)+a ,故分别取3~13进行试验  
  net=newff(inputn_train,outputn_train,hiddennum,{'tansig','purelin'},'trainlm');     %tansig :正切S型传递函数。purelin:线性传递函数。trainlm:Levenberg-Marquardt算法   
  %% 4,网络参数配置  
  net.trainParam.epochs=1000;  
  net.trainParam.lr=0.2;    
  %% 5,BP神经网络训练  
  [net,tr]=train(net,inputn_train,outputn_train);   
  %% 6,仿真计算  
  resultn=sim(net,inputn_test);  
  %% 7,计算与测试集之间误差  
  result=mapminmax('reverse',resultn,outputps);  
  output_test=mapminmax('reverse',outputn_test,outputps);  
  error=result-output_test;  
  rmse=sqrt(error*error')/length(error); 
  figure(1)  
  plot(output_test,'b')  
  hold on  
  plot(result,'r*');  
  hold on  
  plot(error,'s','MarkerFaceColor','k')  
  legend('期望值','预测值','误差')  
  xlabel('数据组数')  
  ylabel('值')  
  %% 8,预测未来五年2016-2020的人口数据  
  pn=5;  
  [p_in,ps]=mapminmax(input_1(n-row+1:end));  
  p_in=p_in';  
  p_outn=zeros(1,pn);  
  for i = 1:pn  
      p_outn(i)=sim(net,p_in);  
      p_in=[p_in(2:end);p_outn(i)];  
  end  
  p_out=mapminmax('reverse',p_outn,ps)  
  error2=p_out-[139232,140011,140541,141008,141178];  
  rmse2=sqrt(error2*error2')/length(error2)  
  figure(2)  
  plot(1961:2020,[input_1,139232,140011,140541,141008,141178],'r*')  
  hold on  
  plot(2011:2015,result,'b')  
  hold on  
  plot(2015:2020,[result(end),p_out],'g')  


目录
相关文章
|
2月前
|
机器学习/深度学习 Python
Matlab|基于BP神经网络进行电力系统短期负荷预测
Matlab|基于BP神经网络进行电力系统短期负荷预测
119 26
|
17天前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
107 0
|
17天前
|
机器学习/深度学习 并行计算 算法
【CPOBP-NSWOA】基于豪冠猪优化BP神经网络模型的多目标鲸鱼寻优算法研究(Matlab代码实现)
【CPOBP-NSWOA】基于豪冠猪优化BP神经网络模型的多目标鲸鱼寻优算法研究(Matlab代码实现)
|
28天前
|
机器学习/深度学习 传感器 算法
【表面粗糙度】基于粒子群PSO算法优化-BP神经网络的表面粗糙度研究(Matlab代码实现)
【表面粗糙度】基于粒子群PSO算法优化-BP神经网络的表面粗糙度研究(Matlab代码实现)
152 7
|
17天前
|
机器学习/深度学习 编解码 并行计算
【创新未发表!】基于BKA算法优化-BP、HO算法优化-BP、CP算法优化-BP、GOOSE算法优化-BP、NRBO算法优化-BP神经网络回归预测比较研究(Matlab代码)
【创新未发表!】基于BKA算法优化-BP、HO算法优化-BP、CP算法优化-BP、GOOSE算法优化-BP、NRBO算法优化-BP神经网络回归预测比较研究(Matlab代码)
|
1月前
|
机器学习/深度学习 数据采集 运维
改进的遗传算法优化的BP神经网络用于电厂数据的异常检测和故障诊断
改进的遗传算法优化的BP神经网络用于电厂数据的异常检测和故障诊断
|
2月前
|
机器学习/深度学习 算法 调度
基于遗传算法GA算法优化BP神经网络(Python代码实现)
基于遗传算法GA算法优化BP神经网络(Python代码实现)
103 0
|
2月前
|
机器学习/深度学习 数据采集 传感器
【故障诊断】基于matlab BP神经网络电机数据特征提取与故障诊断研究(Matlab代码实现)
【故障诊断】基于matlab BP神经网络电机数据特征提取与故障诊断研究(Matlab代码实现)
|
13天前
|
机器学习/深度学习 缓存 算法
2025年华为杯A题|通用神经网络处理器下的核内调度问题研究生数学建模|思路、代码、论文|持续更新中....
2025年华为杯A题|通用神经网络处理器下的核内调度问题研究生数学建模|思路、代码、论文|持续更新中....
215 1
|
25天前
|
机器学习/深度学习 传感器 分布式计算
基于模糊RBF神经网络轨迹跟踪研究(Matlab代码实现)
基于模糊RBF神经网络轨迹跟踪研究(Matlab代码实现)

热门文章

最新文章